0 引言

目前，中国能源结构中能源生产和消费还是以煤炭、石油和天然气为主，了解这三类能源生产和消费的演化规律十分重要。中国于2020年9月提出“双碳”目标，必须清楚能源产消演化规律，才能更好地改变能源结构，降低碳排放量，提高环境质量，推动实现“双碳”目标。

已有的能源研究涉及不同尺度和多个方面。尺度方面，关于世界和中国范围内的能源安全格局[1]和能源产消时空变化[2-3]的研究表明，全球能源安全整体格局呈现出恶化特征，能源消费存在地区不均衡特征，中国能源消费以煤为主[4]，能源供需矛盾突出[5]。关于中国省域和城市范围内的能源生产消费及能源结构变化[6-8]的研究发现，人均终端能源消费量长期存在显著省际差异，且中国城市能源消费规模大体上呈现出总量自东向西递减的趋势。此外，很多学者从不同角度出发对能源产消变化开展研究。有文献分析了单一能源生产消费的时空变化状况，例如煤[9-11]和天然气[12]。有文献对能源未来需求进行了预测研究[5,13-14]，认为到2025年，中国能源消费需求为55亿～56亿t标准煤，且中国农村地区要向生物质能源化、资源化综合利用方向发展。中国的能源产消情况存在一个总的变化趋势，各省的常规能源产消状况也存在地域差异，所以研究中国整体及各省的常规能源产消变化能为更加全面细化制定能源改革政策提供参考。

能源产消变化研究领域常见的研究方法包括聚类分析[8]、双因子趋势图分析法[15]、K-means聚类[6]、ESDA分析方法[9]、变异系数法[11]、重心分析[10]等。其中重心模型可将时空与生产、消费等信息相结合，实现对区域经济、资源消费、污染排放等空间格局和演变轨迹问题的研究[16-17]，相较其他几种分析方法可以更直观地看出能源重心的分布和变化，判断能源在空间位置上是否相关并衡量相关程度则可以使用空间自相关分析，两种方法结合使用可分析能源产消变化的方向和趋势，开展能源产消时空研究。

本文使用2010—2019年的能源产消总量和各类能源产消数据，引入空间自相关和重心分析方法，研究全国和各省的能源生产和消费的时空变化特征，为实现“双碳”目标和政府部门制定相关能源发展政策提供参考。

1 数据集成和研究方法

1.1 数据集成

能源统计数据包括：全国能源生产和消费总量[18]、各省能源生产和消费总量[19]、各省原煤生产和消费量[18]、各省原油生产和消费量[18]、各省天然气生产和消费量[18]、各省煤炭石油和天然气消费占比[19]、各省原煤原油和天然气生产占比以及新能源生产量[19]。其中能源结构里的一次电力指水电、核电、风电、太阳能发电等。数据时间跨度为2010—2019年，数据均为.csv格式。

西藏、台湾、香港和澳门因数据缺失程度较高不进行分析，其余30个省（自治区、直辖市）中有部分数据不全。回归分析可以通过整体的变化趋势预测局部的值，全国的能源结构数据完整，缺失部分数据整体上的能源结构变化可以通过搜集到的数据进行观测，以10 a间全国能源消费结构为参考进行回归分析得到拟合值进行补充。数据来源与对数据的处理依据参见附录A、B。

1.2 研究方法

重心模型可以应用在分析能源生产和消费变化规律的研究中。重心运动轨迹能反映区域能源生产和消费的空间变化规律。使用经济学中的人口重心计算公式[10]，计算出重心的经纬度，通过经纬度计算迁移距离。重心坐标为

式中：Cit是i地区t年的能源生产量或消费量；Xi和Yi表示i地区的经度和纬度。

重心移动距离根据球面距离公式计算，不同年度间重心移动距离表示为

式中：at和bt代表能源生产或消费重心t年一年移动的纬度差和经度差；π为圆周率；R为地球半径，取6371 km。最后得到的重心移动距离以km为单位。

全局空间自相关指数（Global Moran’s I）可度量整体空间相关关系，通过对象及其属性，评估对象所表达的空间模式是聚集、分散或是随机的。全局空间自相关指数的计算结果为Moran’s I指数值、z值得分和p值，其中z值得分和p值用来判断显著性，p值表示所观测到的空间模式是由某一随机过程创建而成的概率，z值就是标准差的倍数。Moran’s I取值为[-1,1]，正值表示对象具有空间正相关性，值越大空间相关性越明显，一般表现为高值之间相互聚集以及低值之间相互聚集；负值表示对象具有空间负相关性，值越小，对象的空间差异越大，通常呈现分散的空间格局；Moran’s I取0时空间分布是随机状态。

式中：n表示研究省份数量；xi和xj分别表示x在相邻省份i、j的值；表示整体区域即全国的平均值；Wij为空间权重矩阵，表示空间对象所属区域的邻近关系。

全局Moran’s I只能反映整体的空间相关性，不能反映局部地区的空间聚类情况。Lisa（local indications spatial association）指数反映局部空间自相关性，可以探索地理单元内部的空间异质性和依存关系，以便识别空间集聚的位置和特征。因此，使用Lisa指数来分析区域内局部空间自相关现象：

式中：表示地理现象内部单元i的局部自相关指数；其余变量含义同式（6）。

2 结果与讨论

2.1 中国各省能源生产消费量全局空间自相关分析

如表1所示，全国能源生产全局空间自相关Moran’s I指数均为正值，p值均小于0.1，都通过了显著性检验，说明各省能源生产量具有空间正相关性，存在空间聚集的情况。且Moran’s I值整体呈现下降的趋势，2010—2019年减少了约0.04，说明全国的能源生产量聚集程度减弱。

通过表1的全国能源消费全局空间自相关指数可以看出，Moran’s I均为正值，2010—2016年通过了0.1的显著性检验，2019年未通过。这表明2010—2016年全国各省能源消费存在空间正相关性，但随着时间变化，到2019年呈现空间随机分布，即中国各省能源消费量表现出从有空间聚类特征到随机分布的变化趋势。

表1 全国能源生产消费全局空间自相关指数
Table 1 Global spatial autocorrelation index of energy production and consumption

2.2 中国各省能源生产消费量局部空间自相关分析

由全局空间自相关分析可以看出，各省能源生产消费存在聚集现象，本节进一步在省域分析聚集现象出现的区域，深入挖掘形成此现象的原因。

对全国各省能源生产量进行Lisa指数分析，从表2可以看出2010—2019年能源生产的高值聚集区域主要集中在内蒙古、山西、陕西3个省（自治区），这些省（自治区）本地能源生产量高，其周边省份也相对较高，形成了高值聚集区。“低-高”异常值包括宁夏、甘肃、河北和河南，说明和周边省份对比，这4个省（自治区）能源生产量相对较低。低值聚集区域只有广东省，说明广东和其周围省份能源生产量都较低。结合图1和图2分析可知，2010—2019年中国能源生产中原煤占比一直维持在65%以上，高值聚集区域就是原煤产量大的区域，即内蒙古、山西、陕西等中国主要的煤炭生产基地。从这3个省（自治区）能源结构中也可以看出，其原煤生产占比均在75%以上，且陕西和内蒙古呈上升趋势。

表2 能源生产量Lisa指数
Table 2 Lisa index energy production

图1 全国能源生产消费结构
Fig.1 Energy production and consumption mix in China

图2 省级分类能源生产占比变化
Fig.2 Change in the share of energy production by provincial classification

对全国各省能源消费量进行Lisa指数分析，从表3可以看出2010—2019年能源消费的高值聚集区主要集中在河北、河南和山东3个省份，说明这3个省及其周围省份的能源消费量均较高。受经济发展水平影响，中国中东部地区能源消费量大的省份比西部地区更多。四川是“高-低”聚集类型，说明四川周围省份能源消费量相对四川较低。新疆从“低-低”类型转变为“高-低”类型，说明新疆能源消费量上升明显，高于周围省份。安徽是“低-高”聚集类型，说明安徽省的能源消费量和周围省份相比较低。能源消费总量高值聚集区域与能源生产总量高值聚集区域在空间上呈邻接关系，结合图1和图3可知，煤炭在中国能源结构中仍占主导地位，河北、河南和山东3省的原煤消费量较多，所以能源消费总量高值聚集区也接近原煤生产区域。

表3 能源消费量Lisa指数
Table 3 Lisa index of energy consumption

图3 省级分类能源消费占比变化
Fig.3 Change in the share of energy consumption by provincial classification

2.3 全国能源生产消费总量重心运移

对各省能源生产和消费总量进行重心分析，结果如图4所示。中国能源生产和消费重心存在空间位置上的差异，能源生产重心整体上偏西北，而能源消费重心偏东南。因为当前能源结构下，煤炭和新能源资源主要集中在中部和西北地区，而东南沿海作为经济发达地区，能源消费总量大[20]。能源生产重心和能源消费重心在10 a间总体上都在向西移动，南北方向上略有起伏。每年能源生产重心移动距离比消费重心移动距离大。能源生产重心在2010—2019年间的每年移动距离在45 km（0.87%中国东西距离）内；2012—2013年间移动距离最大，为41 km（0.79%中国东西距离）；2013—2014年间移动距离最小，为9.7 km（0.19%中国东西距离）。能源消费重心在2013—2014年间移动距离最大，为9.74 km（0.19%中国东西距离）；在2014—2015年间移动距离最小，为2.09 km（0.04%中国东西距离）。

图4 全国能源生产与消费重心
Fig.4 Centers of gravity for national energy production and consumption in China

2.4 各种类能源生产消费重心运移

通过全国各种类能源重心运移情况结合各种类能源各省份的产消变化柱状图，可以从粗到细观察中国各种类能源的变化情况。分析全国能源生产、消费重心可以看出总体的能源空间特征及重心移动趋势，并进一步细化研究不同种类能源的变化趋势。

从图5可以看出，2010—2019年原煤、原油、天然气的生产重心分布存在空间偏差。原煤和原油的生产重心比较接近，天然气的能源生产重心偏西。结合图6可知，原煤生产量最多的地区依次是内蒙古、山西、陕西。原油生产量最多的地区依次是陕西、新疆、天津、山东、黑龙江。这2类能源产地有重叠的省份，且大多集中在中东部地区，天然气生产量最多的地区依次是四川、新疆和陕西，主要在西部地区[21]。天然气生产重心移动轨迹呈现“Ω”型，在南北方向上随着时间变化先北移再南移，整体向东移动。原煤生产重心整体呈现一条斜线，随着时间变化向西北方向移动。原油生产重心也呈现一条斜线，生产重心随时间往西南方向移动。原煤生产重心在2014—2015年移动最少，为7.13 km（0.14%中国东西距离）；2010—2011年移动最多，为37.12 km（0.71%中国东西距离）。原油生产重心在2015—2016年移动最少，为8.61 km（0.17%中国东西距离）；2016—2017年移动最多，为33.51 km（0.64%中国东西距离）。天然气生产重心在2015—2016年移动最少，为13.14 km（0.25%中国东西距离）；2017—2018年移动最多，为43.42 km（0.84%中国东西距离）。

图5 原煤、原油和天然气产消重心
Fig.5 Centers of gravity for production and consumption of raw coal,crude oil and natural gas

图6 原煤、原油和天然气生产量（以标煤计）
Fig.6 Production of raw coal,crude oil and natural gas

原煤、原油和天然气的消费重心与生产重心相比，均偏向东南地区，与总能源生产消费重心空间位置相呼应。其中原油消费重心的迁移轨迹总体呈“C”型，呈现有弧度的向南趋势，原煤消费重心整体向西北方向移动，天然气消费重心迁移轨迹呈“Ω”型，整体向东迁移。原煤消费重心的迁移距离最大为2012—2013年的38.66 km（0.74%中国东西距离）；最小为2014—2015的2.74 km。原油消费重心的迁移距离最大为2015—2016年的30.53 km（0.59%中国东西距离）；最小为2012—2013年的9.2 km（0.18%中国东西距离）。天然气消费重心的迁移距离最大为2016—2017年的48.29 km（0.93%中国东西距离）；最小为2018—2019年的8.35 km（0.16%中国东西距离）。随着中国西部大开发战略[22]和脱贫攻坚工作的开展[23]，以及中西部地区承接东部产业转移，部分资源依赖型行业转移到西部[24]，西部地区工业化程度提高，人民生活水平提升，对能源的需求加大，促使原煤消费和能源消费重心向西移动[11]。而加快推进能源结构改革也促使东部省份减少煤炭使用[25]，增加天然气的消费，所以天然气消费重心东移。

图7显示原煤消耗量较多的区域是以山西为中心，包括周边的内蒙古、河北、山东和河南[9]。辽宁、山东、江苏、浙江和广东的原油消耗量较多[26]。2010年，四川和新疆天然气消费量最多[27]；到2019年，全国各地的天然气消费量均有所增加，四川、新疆、北京、河北、山东、江苏、浙江和广东的天然气消费量较多。中国天然气和原油主要产地分布零散，陕西、新疆和四川天然气产量最多，新疆、黑龙江、山东、天津和陕西原油产量最多，原煤产量多的省份则集中在山西及其周边地区。

图7 原煤、原油和天然气消费量（以标煤计）
Fig.7 Consumption of raw coal,crude oil and natural gas

中国能源生产地和消费地具有空间差异，东部沿海地区的能源消费需求高于西部地区[6]，中国远距离、大容量输电线路主要是将电力资源从新疆、内蒙古、山西、云南和四川等地输送至电力负荷较高的京津冀和东部沿海地区[28-30]。截至2020年，特高压工程发展迅速，跨省跨区输电能力达1.4亿kW，累计送电量超过2.5万亿kWh[31-34]。通过西气东输、西电东送工程建设，将能源从主要生产地输送到能源需求量大的地区，解决能源产消空间分布不平衡问题[35-38]，有利于社会经济发展。

3 结论

本文基于2010—2019年中国能源生产消费总量和各种类能源数据，采用重心分析和空间相关性分析方法，研究了中国能源生产和消费的时空分布特征，主要结论如下。

1）省域能源生产和消费总量表现出了空间自相关性，高生产总量和高消费总量省份周围的区域也存在高值。能源生产总量的高值集中在主要原煤产地区域（内蒙古、山西、陕西），消费量高值聚集区域出现在东部地区（河北、河南和山东），这与中国以煤炭为主的能源生产消费结构，以及该区域的人口数量和经济发达程度有关。

2）中国能源生产地和消费地存在不平衡，东部沿海地区的能源消费需求比西部地区高，而大多数能源产地在中西部地区。但是2010—2019年间能源产消重心、原煤产消重心和原油生产重心均有向西移动的趋势，原油消费重心向南移动，天然气产消重心整体向东移动，表明西部地区能源需求加大，能源结构调整也促使东部地区减少煤炭使用，天然气消费增加。

本文研究发现了能源产消总量，原煤、原油和天然气的产消时空格局演化特征，为中国持续推进能源结构改革，合理制定降碳政策，实现“双碳”目标提供了参考。

参考文献

[1] 徐玲琳，王强，李娜，等.20世纪90年代以来世界能源安全时空格局演化过程[J].地理学报，2017，72(12)：2166-2178.XU Linglin,WANG Qiang,LI Na,et al.Spatial-temporal evolution of global energy security since 1990s[J].Acta Geographica Sinica,2017,72(12):2166-2178(in Chinese).

[2] 黄园淅，张雷，程晓凌.世界能源产消与流动分析[J].世界地理研究，2009，18(1)：27-33.HUANG Yuanxi,ZHANG Lei,CHENG Xiaoling.Analysis on energy production,consumption and movement worldwide[J].World Regional Studies,2009,18(1):27-33(in Chinese).

[3] 曲惠敏.全球能源消费的空间差异格局及收敛性研究 [D].济南：山东财经大学，2021.QU Huimin.Research on spatial difference pattern and convergence of global energy consumption[D].Jinan:Shandong University of Finance and Economics,2021(in Chinese).

[4] 张晓平.20世纪90年代以来中国能源消费的时空格局及其影响因素[J].中国人口·资源与环境，2005，15(2)：38-41.ZHANG Xiaoping.Temporal-spatial characteristics of energy consumption in China and its determinants since the 1990s[J].China Population,Resources and Environment,2005,15(2):38-41(in Chinese).

[5] 张永生，董舵，肖逸，等.我国能源生产、消费、储能现状及碳中和条件下变化趋势[J].科学通报，2021，66(34)：4466-4476.ZHANG Yongsheng,DONG Duo,XIAO Yi,et al.Current status and trends in energy production,consumption,and storage under carbon neutrality conditions in China[J].Chinese Science Bulletin,2021,66(34):4466-4476(in Chinese).

[6] 庄汝龙，宓科娜.能源消费、结构变化与空气质量：基于省际面板数据的实证检验[J].地理研究，2022，41(1)：210-228.ZHUANG Rulong,MI Kena.Energy consumption,structural changes and air quality:empirical test based on inter-provincial panel data[J].Geographical Research,2022,41(1):210-228(in Chinese).

[7] 方源.中国能源生产、消费及其结构变化分析[J].黑龙江科学，2018，9(24)：76-77.FANG Yuan.Analysis of energy production,consumption and structural change in China[J].Heilongjiang Science,2018,9(24):76-77(in Chinese).

[8] 梁竞，张力小.中国省会城市能源消费的空间分布特征分析[J].资源科学，2009，31(12)：2086-2092.LIANG Jing,ZHANG Lixiao.Analysis on spatial distribution characteristics of urban energy consumption among capital cities in China[J].Resources Science,2009,31(12):2086-2092(in Chinese).

[9] 陈闻君，佘开勇.中国省域煤炭消费空间格局演化特征[J].地理与地理信息科学，2014，30(2)：56-60.CHEN Wenjun,SHE Kaiyong.Spatial pattern evolution of coal consumption at provincial level in China[J].Geography and Geo-information Science,2014,30(2):56-60(in Chinese).

[10] 孙旭东，许璐，贾旭璠，等.中美煤炭生产和消费重心演变轨迹分析[J].中国矿业，2017，26(12)：54-59.SUN Xudong,XU Lu,JIA Xufan,et al.Research on the evolvement track of coal production gravity center and consumption gravity center between China and the United States[J].China Mining Magazine,2017,26(12):54-59(in Chinese).

[11] 黄珺嫦，张二超，汪松.1985—2016年中国省域煤炭生产和煤炭消费重心时空演变研究[J].中国矿业，2018，27(9)：53-57.HUANG Junchang,ZHANG Erchao,WANG Song.Study on the spatial and temporal evolution of China’s provincial coal production and consumption center from 1985 to 2016[J].China Mining Magazine,2018,27(9):53-57(in Chinese).

[12] 王宜强，朱明博，赵媛.中国天然气流动体系及其动态变化特征[J].世界地理研究，2019,28(5)：153-164.WANG Yiqiang,ZHU Mingbo,ZHAO Yuan.Scale system and dynamic change characteristics of natural gas flow in China[J].World Regional Studies,2019,28(5):153-164(in Chinese).

[13] 丛宏斌，赵立欣，王久臣，等.中国农村能源生产消费现状与发展需求分析[J].农业工程学报，2017，33(17)：224-231.CONG Hongbin,ZHAO Lixin,WANG Jiuchen,et al.Current situation and development demand analysis of rural energy in China[J].Transactions of the Chinese Society of Agricultural Engineering,2017,33(17):224-231(in Chinese).

[14] 谢和平，吴立新，郑德志.2025年中国能源消费及煤炭需求预测[J].煤炭学报，2019，44(7)：1949-1960.XIE Heping,WU Lixin,ZHENG Dezhi.Prediction on the energy consumption and coal demand of China in 2025[J].Journal of China Coal Society,2019,44(7):1949-1960(in Chinese).

[15] 朱孟珏，庄大昌.1990—2015年世界能源时空演变特征研究[J].中国人口·资源与环境，2017，27(5)：63-71.ZHU Mengjue,ZHUANG Dachang.Spatial-temporal characteristics of global energy during 1990-2015[J].China Population,Resources and Environment,2017,27(5):63-71(in Chinese).

[16] 鲍超，李秋颖，梁广林.1985—2010年中国城市的空间格局与重心演变轨迹[J].城市发展研究，2015，22(9)：36-42.BAO Chao,LI Qiuying,LIANG Guanglin.Spatial pattern of China’s cities and evolution track of the gravity centers in 1985-2010[J].Urban Development Studies,2015,22(9):36-42(in Chinese).

[17] 李名升，张建辉，张殷俊，等.近10年中国大气PM10污染时空格局演变[J].地理学报，2013，68(11)：1504-1512.LI Mingsheng,ZHANG Jianhui,ZHANG Yinjun,et al.Spatiotemporal pattern changes of ambient air PM10 pollution in China from 2002 to 2012[J].Acta Geographica Sinica,2013,68(11):1504-1512(in Chinese).

[18] 国家统计局能源统计司.中国能源统计年鉴2019[M].北京：中国统计出版社，2020.

[19] 四川省统计局，国家统计局四川调查总队.四川统计年鉴2016[M].北京：中国统计出版社，2016.

[20] 刘慧媛.能源、环境与区域经济增长研究[D].上海：上海交通大学，2013.LIU Huiyuan.A study on energy,environment and regional economy growth[D].Shanghai:Shanghai Jiao Tong University,2013(in Chinese).

[21] 高丹，孔庚，麻林巍，等.我国区域能源现状及中长期发展战略重点研究[J].中国工程科学，2021，23(1)：7-14.GAO Dan,KONG Geng,MA Linwei,et al.Energy development status and developing focus of varied regions in China[J].Strategic Study of CAE,2021,23(1):7-14(in Chinese).

[22] 伍康定.在实施西部大开发战略中实现能源结构优化升级[J].理论与改革，2001(2)：85-88.WU Kangding.Realizing the optimization and upgrading of energy structure in the implementation of the strategy of Western Development[J].Theory and Rerorm,2001(2):85-88(in Chinese).

[23] 张芳.能源精准扶贫的法律实现研究[D].重庆：重庆大学，2019.ZHANG Fang.Study on the legal realization of the energy targeted poverty alleviation[D].Chongqing:Chongqing University,2019(in Chinese).

[24] 李志翠.我国西部地区承接区际产业转移的效应研究[D].北京：中央财经大学，2015.LI Zhicui.The research on the effects of West China undertaking regional industrial transfer[D].Beijing:Central University of Finance and Economics,2015(in Chinese).

[25] 王璐，杨烨，倪元锦.多地频出“禁煤令”耗煤年减超亿吨：或引发能源结构巨变 天然气、核电地位提升[N].经济参考报，2013-09-23(2).

[26] 陈银凤.中国石油消费区域差异及其影响因素研究[D].青岛：中国石油大学（华东），2017.CHEN Yinfeng.Study on differences and influencing factors of regional oil consumption in China[D].Qingdao:China University of Petroleum(East China),2017(in Chinese).

[27] 张新林，赵媛，许昕，等.中国天然气资源流动优势度时空演变特征[J].地理研究，2016，35(8)：1457-1469.ZHANG Xinlin,ZHAO Yuan,XU Xin,et al.Analysis of temporal and spatial evolution pattern of gas flow superiority in China[J].Geographical Research,2016,35(8):1457-1469(in Chinese).

[28] 艾红杰，黄金海，吴金波，等.陕北-武汉特高压直流输电工程无功控制策略研究[J].电力系统保护与控制，2021，49(14)：149-156.AI Hongjie,HUANG Jinhai,WU Jinbo,et al.Reactive power control strategy for the Shanbei-Wuhan UHVDC transmission project[J].Power System Protection and Control,2021,49(14):149-156(in Chinese).

[29] 柯贤波，郄朝辉，霍超，等.西北电网风电与光伏紧急功率控制系统设计[J].电力工程技术，2021，40(2)：39-45.KE Xianbo,QIE Zhaohui,HUO Chao,et al.Design of a wind power and photovoltaic emergency power control system for Northwest China grid[J].Electric Power Engineering Technology,2021,40(2):39-45(in Chinese).

[30] 牟大林，林圣，李小鹏，等.白鹤滩-江苏特高压混合直流输电线路行波保护适应性分析[J].电力系统保护与控制，2022，50(21)：88-98.MU Dalin,LIN Sheng,LI Xiaopeng,et al.Adaptability analysis of traveling wave protection for the Baihetan-Jiangsu serial hybrid LCC-MMC UHVDC transmission line[J].Power System Protection and Control,2022,50(21):88-98(in Chinese).

[31] 刘振亚.新时代的特高压使命[J].瞭望，2021(11)：40-45.

[32] 张鑫，李媛媛，吉平.含高比例可再生能源的交直流混联电网规划方法[J].全球能源互联网，2021，4(4)：372-381.ZHANG Xin,LI Yuanyuan,JI Ping.A planning approach for AC/DC hybrid power grid with high proportion of renewable energy[J].Journal of Global Energy Interconnection,2021,4(4):372-381(in Chinese).

[33] 杨建明，张庆武，王杨正，等.特高压直流输电线路电压突变量保护优化[J].电力工程技术，2022，41(3)：102-109.YANG Jianming,ZHANG Qingwu,WANG Yangzheng,et al.Optimization of voltage differential protection for UHVDC transmission line[J].Electric Power Engineering Technology,2022,41(3):102-109(in Chinese).

[34] 俞翔，鲁江，董云龙，等.适用于特高压多端混合直流输电系统的稳态电压控制方法[J].电力系统保护与控制，2022，50(1)：174-180.YU Xiang,LU Jiang,DONG Yunlong,et al.A steady-state voltage control method for a multi-terminal hybrid UHVDC transmission system[J].Power System Protection and Control,2022,50(1):174-180(in Chinese).

[35] 许丹，周京阳，黄国栋.计及直流限额动态调整的送受端一体化日前调度计划模型[J].电工技术学报，2021，36(13)：2844-2851.XU Dan,ZHOU Jingyang,HUANG Guodong.An integrated day ahead scheduling model considering the dynamic adjustment of DC limits[J].Transactions of China Electrotechnical Society,2021,36(13):2844-2851(in Chinese).

[36] LI C H,LI K,MA C H,et al.Flexible control strategy for HVDC transmission system adapted to intermittent new energy delivery[J].Global Energy Interconnection,2021,4(4):425-433.

[37] 郭怿，明波，黄强，等.考虑输电功率平稳性的水-风-光-储多能互补日前鲁棒优化调度[J].电工技术学报，2023，38(9)：2350-2363.GUO Yi,MING Bo,HUANG Qiang,et al.Day-ahead robust optimal scheduling of hydro-wind-PV-storage complementary system considering the steadiness of power delivery[J].Transactions of China Electrotechnical Society,2023,38(9):2350-2363(in Chinese).

[38] 廖敬文，侯景新.中国能源强度区域特征、空间效应与区域差异[J].内蒙古社会科学（汉文版），2019，40(3)：148-156.LIAO Jingwen,HOU Jingxin.Characteristics,spatial effects and regional differences of China’s energy intensity regions[J].Inner Mongolia Social Sciences,2019,40(3):148-156(in Chinese).

附录A 能源数据单位处理

参考《中国能源统计年鉴》中的折算系数，将各类能源统一单位为万t标煤，便于不同种类之间相互对比。其中在将电量单位kWh转换为标煤时采用《中国能源统计年鉴》中的火电厂发电煤耗进行折算，提供的发电煤耗数据是每年全国的平均值，而且中国针对发电煤耗一系列节能措施使得折算系数逐年下降。具体能源折算系数如表A1所示。

表A1 能源折算系数
Table A1 Energy conversion factor

附录 B 能源结构数据来源

各省原煤、原油和天然气能源生产占比数据中，黑龙江（2017—2019）、湖南（2018—2019）部分缺失，上海、江苏、湖北、海南、重庆全部缺失。全部缺失的数据通过各省份的能源平衡量表中的原煤、原油、天然气、电力和其他能源计算获得，部分缺失的数据由全国能源生产结构为参考拟合得出。各省煤炭、石油和天然气消费占比数据中，黑龙江（2017—2019）、上海（2019）、湖南（2018—2019）部分缺失，天津、山西、江苏、湖北全部缺失。全部缺失的地区通过查询各省“十二五规划”“十三五规划”成果和咨询统计局得到部分年份数据，部分缺失的地区以10 a间全国能源消费结构为参考进行回归分析得到拟合值。

收稿日期：2022-09-12；修回日期：2023-05-21。

作者简介：

张莹

张莹（1998），女，硕士研究生，研究方向为地理信息系统，E-mail：swpuzhangying@163.com。

王泽根（1967），男，博士，教授，博士生导师，研究方向为地理信息系统、数字管网和地理空间数据库。通信作者，E-mail：zegen01@126.com。